基于静止气象卫星云图的分类研究

论文摘要

各种类型云的辐射特性以及分布情况,很大程度上影响了天气预报的准确性、气候监测的有效性和全球气候的变化等。自从气象卫星产生以来,人们就开始对卫星云图进行分析的活动,而对云图中各种类型的云进行分类识别则一直是遥感领域的研究热点。论文首先对国内外的云分类研究进行综述性介绍,并简要介绍了各种类型云的辐射特性和云图特征。针对FY-2C卫星数据,论文还详细介绍了csv格式卫星数据的定位和定标方法。本文采用阈值法针对我国夏季午后京津地区的早期积云进行识别,这些早期积云中的某些云团可能会在短时间内产生强对流天气。而对于非对流云团如卷状云或层状云,以及已经发生强对流天气或对流活动后期的积雨云可以将其排除在预报范围内。这样就减少后续预报的运算量,缩短预报的时间。论文中将对三个典型个例进行具体分析来讨论该阈值法云分类器的分类特点以及性能。为了获得更多种类的云类型,论文使用支持向量机（Support Vector Machines, SVM）对卫星云图进行分类。首先,实验中选用one-against-one的分类结构,并且选用径向基函数作为SVM分类器的核函数。第二,每个数据的类别标签参考国家卫星气象中心的云分类产品结果,将实验数据划分为地表、混合像元、高层云或雨层云、卷层云、密卷云、积雨云以及层积云或高积云7类。通过查阅相关文献,本文选用了9个特征构成的特征向量来描述云团。第三,借鉴二分方法,设定几组SVM分类器的参数C和γ,用各组参数的分类器对训练数据进行训练。最后,利用训练所得的SVM分类模型对测试数据进行分类,将分类结果显示出来。通过结果的比较,论文选择两组较好的参数组合的分类结果进行分析评价,并指出改进的方向。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 选题背景和意义
• 1.2 云分类研究中的特征提取和选择方法
• 1.2.1 特征集构成
• 1.2.2 特征提取和选择
• 1.3 云分类研究中的分类方法
• 1.3.1 无监督云分类研究
• 1.3.2 有监督云分类研究
• 1.3.3 神经网络方法
• 1.4 论文主要内容
• 2 卫星数据特性和数据预处理
• 2.1 气象卫星数据特性
• 2.1.1 气象卫星发展介绍
• 2.1.2 卫星云图辐射特性
• 2.2 云类型特征
• 2.2.1 云类型定义
• 2.2.2 各种云的图像特征
• 2.3 卫星数据预处理
• 2.3.1 FY-2C 卫星产品数据
• 2.3.2 CSV 格式数据转换
• 3 早期积云的识别
• 3.1 云掩膜算法
• 3.1.1 VIS 云图阈值判别
• 3.1.2 IR 亮温分析
• 3.1.3 VIS 云图纹理分析
• 3.2 实验数据预处理
• 3.3 云掩膜分类结果分析
• 3.3.1 个例1)结果分析
• 3.3.2 个例2)结果分析
• 3.3.3 个例3)结果分析
• 3.4 云掩膜分类器性能讨论
• 4 基于支持向量机的云分类研究
• 4.1 SVM 分类算法介绍
• 4.1.1 SVM 分类原理
• 4.1.2 SVM 分类器参数
• 4.2 SVM 云分类数据预处理
• 4.3 SVM 云分类器实现及结果分析
• 4.3.1 SVM 云分类器实现
• 4.3.2 实验结果分析和讨论
• 4.3.3 分类器性能讨论
• 5 总结与展望
• 5.1 总结
• 5.2 改进与展望
• 参考文献
• 附录
• 致谢
• 个人简历
• 发表的学术论文